• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 춘계학술발표대회
• /
• pp.10-13
• /
• 2015

Google App Engine(GAE)은 플랫폼 서비스 형태(Platform as a Service, PaaS)의 클라우드 인프라이며 GAE를 기반으로 웹어플리케이션을 제작할 수 있도록 다양한 개발 도구를 제공해 준다. 본 논문에서는 Python 및 Go를 이용하여 GAE 상에서 구현한 클라우드 기반의 web application들의 성능을 비교하고자 한다. 각 web application의 주요 기능은 회원가입, 로그인, 채팅 등으로 구성되어 있고 특히, 회원목록이나 채팅 데이터를 처리하기 위하여 GAE에서 제공하는 Google Datastore를 사용하였다. 성능비교를 위하여 Python2.5, Python 2.7 및 Go를 사용하여 통일한 기능의 web application을 구현하였으며 각각의 메뉴에 대하여 서버 로직의 실행과 장고 (Django) 스타일의 HTML 템플릿을 렌더링하는데 걸리는 시간을 구하고 이를 비교 분석하였다.

• International journal of advanced smart convergence
• /
• 제11권4호
• /
• pp.68-80
• /
• 2022

Since the launch of AI, technology development to implement complete and sophisticated AI functions has continued. In efforts to develop technologies for complete automation, Machine Learning techniques and deep learning techniques are mainly used. These techniques deal with supervised learning, unsupervised learning, and reinforcement learning as internal technical elements, and use the Big-data Analysis method again to set the cornerstone for decision-making. In addition, established decision-making is being improved through subsequent repetition and renewal of decision-making standards. In other words, big data analysis, which enables data classification and recognition/recognition, is important enough to be called a key technical element of AI function. Therefore, big data analysis itself is important and requires sophisticated analysis. In this study, among various tools that can analyze big data, we will use a Python program to find out what variables can affect addiction according to smartphone use in a decision tree environment. We the Python program checks whether data classification by decision tree shows the same performance as other tools, and sees if it can give reliability to decision-making about the addictiveness of smartphone use. Through the results of this study, it can be seen that there is no problem in performing big data analysis using any of the various statistical tools such as Python and R when analyzing big data.

• International journal of advanced smart convergence
• /
• 제5권1호
• /
• pp.47-50
• /
• 2016

Big Data is coming rapidly in recent times and keep the vast amount of data was utilized them. These data are utilized in many fields in particular, based on the patient data in the medical field to increase the therapeutic effect, as well as re-incidence to better treatment, lowering the readmission rates increased the quality of life. In this paper it is practiced to report basis of the analysis and verification of data using python. And it can be analyzed the data through a simple formula, from Select reason of Python to how it used; by Press analysis of Agriculture, Forestry and Fisheries research. In this process, a simple formula can be used that expression for analyzing the actual data so it taking advantage of the use of functions in real life.

• 한국수학교육학회지시리즈B:순수및응용수학
• /
• 제29권1호
• /
• pp.93-102
• /
• 2022

The impact of programming languages in the research sector has helped lot of researchers to broaden their view and extend their work without any limitation. More importantly, even the complex problems can be solved in no matter of time while converting them into a programming language. This convenience provides upper hand for the researchers as it places them in a comfort zone where they can work without much stress. With this context, we have converted the research problems in Topology into programming language with the help of Python. In this paper, we have developed a Python program to find the weaker form of closed sets namely alpha closed set, semi closed set, pre closed set, beta closed set and regular closed set.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.729-732
• /
• 2020

앞으로 4 차 산업혁명 시대에 많은 인공지능 관련 소프트웨어 및 데이터 기반 소프트웨어가 개발이 필수적이다. 문제는 이런 소프트웨어 관련 품질을 고려하지 않고 있다. 또한 많은 Python 관련 공개 소프트웨어에 대해 품질 보장이 불가능하다. 이를 위해, 코드 가시화 메커니즘, 인공지능 관련 코드 품질을 높이기 위해 AI 관련 Python 코드 복잡도 기반 고품질화 및 코드 가시화 메커니즘을 제안한다. 또한 기존의 복잡도를 측정하는 품질 메트릭스 중 하나인 McCabe's Cyclomatic 복잡도의 개선을 제안한다. 기존의 복잡도 공식에 응집도, 결합도를 가중치로 적용하여 개선된 복잡도를 계산한다. 소프트웨어의 내부 구조 및 관계와 복잡도 정보를 가시화하여 소프트웨어의 품질 향상에 기여한다.

• 한국수학교육학회지시리즈B:순수및응용수학
• /
• 제30권1호
• /
• pp.83-108
• /
• 2023

We find geodesics on a surface numerically by using Runge-Kutta method with Python.

• 정보교육학회논문지
• /
• 제24권1호
• /
• pp.117-129
• /
• 2020

본 논문은 기존 컴퓨팅 사고력 평가 연구를 분석하고 보완하여 형성적 관점에서 컴퓨팅 사고력을 평가하는 방안을 탐색하고, 텍스트 기반 프로그래밍 언어인 파이선을 활용한 프로그래밍 언어 학습 평가를 위한 평가 프로세스를 설계하기 위해 수행되었다. 이와 같은 목적으로 컴퓨팅 사고력 영역을 탐색하고 평가 설계에 관련된 연구를 분석하였다. 또한, 초보자가 학습하는 파이선 프로그래밍의 학습 영역을 확인하고, 파이선 학습을 통해 획득할 수 있는 컴퓨팅 사고력 영역을 규명하였다. 이들을 종합하여 컴퓨팅 사고력에 해당하는 구문을 분석하여 피드백을 제공하는 평가 방법을 설계하였다. 아울러, 순서도와 의사코드를 활용하여 아이디어를 나타내게 함으로써 반성적 사고를 통한 자기평가가 가능하게 하고, 커뮤니티를 활용한 코드공유 및 의사소통을 통해 동료피드백이 가능한 평가 프로세스를 설계하였다는 데에 본 연구의 시사점이 있다.

• 한국정보전자통신기술학회논문지
• /
• 제13권4호
• /
• pp.306-311
• /
• 2020

본 논문은 대량의 데이터를 활용한 모델 개발 시 다양한 라이브러리를 갖춘 파이썬 언의의 성능 향상방법을 다룬다. 파이썬 언어는 엑셀과 같은 스프레드시트 형태 데이터 처리 시 Pandas 라이브러리를 사용한다. 데이터 처리 시파이썬은 기가단위 이하 데이터 처리 시에는 인-메모리로 연산하여 성능 측면에서 크게 이슈가 없다. 하지만 기가단위 이상 데이터 처리 시 성능 이슈가 발생한다. 이에 본 논문은 데이터 처리 시 Pandas와 같이 사용할 수 있는 Dask 라이브러리를 활용하여 단일 클러스터 및 다중 클러스터에서 실행 작업을 분산처리 가능한 방법을 소개한다. 실험은 동일 사양의 하드웨어에서 간단한 지수산출 모델을 Pandas만 사용해서 처리하는 속도와 Dask를 같이 사용해서 처리하는 속도를 비교한다. 본 논문은 파이썬의 장점인 다양한 라이브러리를 쉽게 사용할 수 있다는 점을 유지하면서 성능측면에서도 대량의 데이터를 CPU 코어들이 분산 처리하여 모델을 개발할 수 있는 방법을 제시한다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제10권6호
• /
• pp.163-172
• /
• 2021

프로그래밍 언어의 형식적인 의미를 적절하게 표현하면 언어를 표준화하고 최적화하여 번역하는 과정에서 중요한 역할을 수행한다. 파이썬은 주목받는 강력한 언어이고, 파이썬에 대한 형식적인 의미 구조를 정의하고 표현하는 것은 향후 유사한 언어를 설계할 때 참고할 수 있고 표준화하는 과정이나 최적화된 번역기를 구현하는 과정에서도 필요하다. 본 연구에서는 파이썬에 대한 의미 구조를 표현하기 위해 기존의 작용식을 수정하고 업그레이드해서 파이썬의 정적이고 동적인 의미 구조를 표현하는 작용식 2.0을 새롭게 제시한다. 작용식 2.0에 명세된 의미구조를 자바로 구현해 파이썬 프로그램들에 대한 실행시간을 측정하고 시뮬레이션을 통해 작용식 2.0이 구현 가능한 실제적인 의미 구조임을 입증하고, 판독성(Readability), 모듈성(Modularity), 확장성(Extensibility), 융통성(Flexibility)의 네 영역에서 명세된 작용식 2.0을 기존의 대표적인 의미 표현법과 비교하여 본 작용식 2.0의 우월성을 확인하고자 한다.

• 실천공학교육논문지
• /
• 제15권1호
• /
• pp.193-198
• /
• 2023

본 논문은 파이썬 프로그래밍 교육에서 단원별 연습문제의 타당성을 분석하였다. 단원별로 제시되는 연습문제는 온라인 학습 시스템을 통해 제시되고 학생 각자가 답안 코드를 업로드하여 자동으로 채점된다. 한학기 동안 진행되는 파이썬 교육을 통해, 학생들의 중간시험점수, 기말시험 점수 그리고 각 단원별 연습문제 점수 등 데이터가 수집된다. 수집된 데이터들을 통해, 자동채점 연습문제들의 타당도를 분석하여 단원별 연습문제들을 개선할 수 있다. 본 논문에서는 자동 채점 연습문제들의 타당도를 분석하기 위해, Orange 머신러닝 도구를 사용하였다. 파이썬 과목에서 수집된 데이터를 전체, 상위권 그리고 하위권 그룹별로 4가지 분석을 실시하고 종합적으로 비교한다. 파이썬 단원별 연습문제 점수들로부터 학생의 최종 성적을 예측하는 머신러닝 모델의 예측 정확도로부터 단원별 자동채점 연습문제의 출제 타당도를 분석하였다.